Как получить уравнение кривой по точкам

Кривые второго порядка — определение и построение с примерами решения

Содержание:

Геометрической фигурой или просто фигурой на плоскости называется множество точек. Задать фигуру — значит указать, из каких точек плоскости она состоит. Одним из важных способов задания фигуры на плоскости является ее задание при помощи уравнений с двумя неизвестными. Произвольное уравнение с двумя неизвестными х и у записывается в виде

Если точка М(а,Ь) принадлежит фигуре Ф, то координаты (а,Ь) являются решениями уравнения
если пара чисел (c,d) является решением уравнения F(x,y) = 0, то точка N(c,d) принадлежит фигуре Ф.

Это определение в более компактной записи выглядит следующим образом. Уравнение называется уравнением фигуры, если , то есть (а, b) — решение уравнения F(x,y) = 0.

Из определения уравнения фигуры следует, что фигура Ф состоит только из тех точек плоскости, координаты которых являются решениями уравнения , т.е. уравнение фигуры задает эту фигуру.

Возможны два вида задач:

дано уравнение и надо построить фигуру Ф, уравнением которой является ;
дана фигура Ф и надо найти уравнение этой фигуры.

Первая задача сводится к построению графика уравнения и решается, чаще всего, методами математического анализа.

Для решения второй задачи, как следует из определения уравнения фигуры, достаточно:

Задать фигуру геометрически, т.е. сформулировать условие, которому удовлетворяют только точки фигуры (довольно часто определение фигуры содержит такое условие);
Записать в координатах условие, сформулированное в первом пункте.

Эллипс

Эллипсом называется линия, состоящая из всех точек плоскости, для каждой из которых сумма расстояний до двух данных точек , есть величина постоянная (большая, чем расстояние между ).

Точки называются фокусами эллипса. Обозначив расстояние между фокусами через 2с, а сумму расстояний от точек эллипса до фокусов через 2а, имеем с b. В этом случае а называется большой полуосью, a b — малой.

Если а =Ь, то уравнение (7.3) можно переписать в виде:

(7.5)

Это уравнение окружности с центром в начале координат. Эллипс (3) можно получить из окружности (4) сжатием плоскости к оси Ох. Пусть на плоскости выбрана прямоугольная система координат Оху. Тогда преобразование, переводящее произвольную точку М(х,у) в точку координаты которой задаются формулами будет окружность (4) переводить в эллипс, заданный соотношением

Число называется эксцентриситетом эллипса. Эксцентриситет характеризует форму эллипса: чем ближе к нулю, тем больше эллипс похож на окружность; при увеличении становится более вытянутым

Фокальными радиусами точки М эллипса называются отрезки прямых, соединяющие эту точку с фокусами . Их длины и задаются формулами Прямые называются директрисами эллипса. Директриса называется левой, а — правой. Так как для эллипса и, следовательно, левая директриса располагается левее левой вершины эллипса, а правая — правее правой вершины.

Директрисы обладают следующим свойством: отношение расстояния г любой точки эллипса от фокуса к ее расстоянию d до соответствующей директрисы есть величина постоянная, равная эксцентриситету, т.е.

Гипербола

Гиперболой называется линия, состоящая из всех точек плоскости, модуль разности расстояний от которых до двух данных точек есть величина постоянная (не равная нулю и меньшая, чем расстояние между ).

Точки называются фокусами гиперболы. Пусть по-прежнему расстояние между фокусами равно 2с. Модуль расстояний от точек гиперболы до фокусов обозначим через а. По условию, а 0) (рис. 9.7). Ось абсцисс проведём через фокус F перпендикулярно директрисе. Начало координат расположим посередине между фокусом и директрисой. Пусть А — произвольная точка плоскости с координатами (х, у) и пусть . Тогда точка А будет лежать на параболе, если r=d, где d- расстояние от точки А до директрисы. Фокус F имеет координаты .

Тогда А расстояние Подставив в формулу r=d, будем иметь. Возведя обе части равенства в квадрат, получим

или

(9.4.1)

Уравнение (9.4.1)- каноническое уравнение параболы. Уравнения также определяют параболы.

Легко показать, что уравнение , определяет параболу, ось симметрии которой перпендикулярна оси абсцисс; эта парабола будет восходящей, если а > 0 и нисходящей, если а О. Для этого выделим полный квадрат:

и сделаем параллельный перенос по формулам

В новых координатах преобразуемое уравнение примет вид: где р — положительное число, определяется равенством .

Пример:

Пусть заданы точка F и прямая у =-1 (рис. 9.8). Множество точек Р(х, y) для которых расстояние |PF| равно расстоянию, называется параболой. Прямая у = -1 называется директрисой параболы, а точка F — фокусом параболы. Чтобы выяснить, как располагаются точки Р, удовлетворяющие условию, запишем это равенство с помощью координат: , или после упрощения . Это уравнение геометрического места точек, образующих параболу (рис. 9.8).

Кривые второго порядка на плоскости

Кривой второго порядка называется фигура на плоскости, задаваемая в прямоугольной системе координат уравнением второй степени относительно переменных х и у:

где коэффициенты А, В и С не равны одновременно нулю

Любая кривая второго порядка на плоскости принадлежит к одному из типов: эллипс, гипербола, парабола, две пересекающиеся прямые, 2 параллельные прямые, прямая, точка, пустое множество.

Кривая второго порядка принадлежит эллиптическому типу, если коэффициент В равен нулю: В=0, а коэффициенты А и С имеют одинаковые знаки: АС>0.

Кривая второго порядка принадлежит гиперболическому типу, если коэффициент В равен нулю: В=0, а коэффициенты А и С имеют противоположные знаки: АС 2с. Точка М(х,у) принадлежит эллипсу тогда и только тогда, когда ее координаты удовлетворяют уравнению

которое называют каноническим уравнением эллипса.

Число а называют большей полуосью эллипса, число — мень-

шей полуосью эллипса, 2а и 2b — соответственно большей и меньшей осями эллипса. Точки называют вершинами эллипса, а — его фокусами (рис. 12).

Координатные оси являются осями симметрии эллипса, а начало координат — его центром симметрии. Центр симметрии эллипса называется центром эллипса.

Замечание. Каноническое уравнение эллипса можно рассматривать и в случае b>а. Оно определяет эллипс с большей полуосью b, фокусы которого лежат на оси Оу.

В случае а=b каноническое уравнение эллипса принимает вид и определяет окружность радиуса а с центром в начале координат.

Эксцентриситетом эллипса называется отношение фокусного расстояния к длине большей оси.

Так, в случае а>b эксцентриситет эллипса выражается формулой:

Эксцентриситет изменяется от нуля до единицы и характеризует форму эллипса. Для окружности Чем больше эксцентриситет, тем более вытянут эллипс.

Пример:

Показать, что уравнение

является уравнением эллипса. Найти его центр, полуоси, вершины, фокусы и эксцентриситет. Построить кривую.

Решение:

Дополняя члены, содержащие х и у соответственно, до полных квадратов, приведем данное уравнение к каноническому виду:

— каноническое уравнение эллипса с центром в точке большей полуосью а=3 и меньшей полуосью

Найдем эксцентриситет эллипса:

Для вычисления вершин и фокусов удобно пользовать новой прямоугольной системой координат, начало которой находится в точке а оси параллельны соответственно осям Ох, Оу и имеют те же направления (осуществили преобразование параллельного переноса). Тогда новые координаты точки будут равны ее старым координатам минус старые координаты нового начала, т.е.

В новой системе координат координаты вершин и фокусов гиперболы будут следующими:

Переходя к старым координатам, получим:

Построим график эллипса.

Задача решена.

Гиперболой называется множество всех точек плоскости, для которых модуль разности расстояний до двух данных точек, называемых фокусами, есть величина постоянная, меньшая расстояния между фокусами.

Так же, как и для эллипса, геометрическое свойство точек гиперболы выразим аналитически. Расстояние между фокусами назовем фокусным расстоянием и обозначим через 2с. Постоянную величину обозначим через 2а: 2а

При копировании любых материалов с сайта evkova.org обязательна активная ссылка на сайт www.evkova.org

Сайт создан коллективом преподавателей на некоммерческой основе для дополнительного образования молодежи

Сайт пишется, поддерживается и управляется коллективом преподавателей

Whatsapp и логотип whatsapp являются товарными знаками корпорации WhatsApp LLC.

Cайт носит информационный характер и ни при каких условиях не является публичной офертой, которая определяется положениями статьи 437 Гражданского кодекса РФ. Анна Евкова не оказывает никаких услуг.

Аппроксимация функции одной переменной

Калькулятор использует методы регрессии для аппроксимации функции одной переменной.

Данный калькулятор по введенным данным строит несколько моделей регрессии: линейную, квадратичную, кубическую, степенную, логарифмическую, гиперболическую, показательную, экспоненциальную. Результаты можно сравнить между собой по корреляции, средней ошибке аппроксимации и наглядно на графике. Теория и формулы регрессий под калькулятором.

Если не ввести значения x, калькулятор примет, что значение x меняется от 0 с шагом 1.

Аппроксимация функции одной переменной

Линейная регрессия

Коэффициент линейной парной корреляции:

Средняя ошибка аппроксимации:

Квадратичная регрессия

Система уравнений для нахождения коэффициентов a, b и c:

Коэффициент корреляции:
,
где

Средняя ошибка аппроксимации:

Кубическая регрессия

Система уравнений для нахождения коэффициентов a, b, c и d:

Коэффициент корреляции, коэффициент детерминации, средняя ошибка аппроксимации — используются те же формулы, что и для квадратичной регрессии.

Степенная регрессия

Показательная регрессия

Гиперболическая регрессия

Логарифмическая регрессия

Экспоненциальная регрессия

Вывод формул

Сначала сформулируем задачу:
Пусть у нас есть неизвестная функция y=f(x), заданная табличными значениями (например, полученными в результате опытных измерений).
Нам необходимо найти функцию заданного вида (линейную, квадратичную и т. п.) y=F(x), которая в соответствующих точках принимает значения, как можно более близкие к табличным.
На практике вид функции чаще всего определяют путем сравнения расположения точек с графиками известных функций.

Полученная формула y=F(x), которую называют эмпирической формулой, или уравнением регрессии y на x, или приближающей (аппроксимирующей) функцией, позволяет находить значения f(x) для нетабличных значений x, сглаживая результаты измерений величины y.

Для того, чтобы получить параметры функции F, используется метод наименьших квадратов. В этом методе в качестве критерия близости приближающей функции к совокупности точек используется суммы квадратов разностей значений табличных значений y и теоретических, рассчитанных по уравнению регрессии.

Таким образом, нам требуется найти функцию F, такую, чтобы сумма квадратов S была наименьшей:

Рассмотрим решение этой задачи на примере получения линейной регрессии F=ax+b.
S является функцией двух переменных, a и b. Чтобы найти ее минимум, используем условие экстремума, а именно, равенства нулю частных производных.

Используя формулу производной сложной функции, получим следующую систему уравнений:

Для функции вида частные производные равны:
,

Подставив производные, получим:

Откуда, выразив a и b, можно получить формулы для коэффициентов линейной регрессии, приведенные выше.
Аналогичным образом выводятся формулы для остальных видов регрессий.

Интерполяция данных: соединяем точки так, чтобы было красиво

Как построить график по n точкам? Самое простое — отметить их маркерами на координатной сетке. Однако для наглядности их хочется соединить, чтобы получить легко читаемую линию. Соединять точки проще всего отрезками прямых. Но график-ломаная читается довольно тяжело: взгляд цепляется за углы, а не скользит вдоль линии. Да и выглядят изломы не очень красиво. Получается, что кроме ломаных нужно уметь строить и кривые. Однако тут нужно быть осторожным, чтобы не получилось вот такого:

Немного матчасти

Восстановление промежуточных значений функции, которая в данном случае задана таблично в виде точек P₁&nbsp. &nbspP_n, называется интерполяцией. Есть множество способов интерполяции, но все они могут быть сведены к тому, что надо найти n&nbsp–&nbsp1 функцию для расчёта промежуточных точек на соответствующих сегментах. При этом заданные точки обязательно должны быть вычислимы через соответствующие функции. На основе этого и может быть построен график:

Функции f_i могут быть самыми разными, но чаще всего используют полиномы некоторой степени. В этом случае итоговая интерполирующая функция (кусочно заданная на промежутках, ограниченных точками P_i) называется сплайном.

В разных инструментах для построения графиков — редакторах и библиотеках — задача «красивой интерполяции» решена по-разному. В конце статьи будет небольшой обзор существующих вариантов. Почему в конце? Чтобы после ряда приведённых выкладок и размышлений можно было поугадывать, кто из «серьёзных ребят» какие методы использует.

Ставим опыты

Самый простой пример — линейная интерполяция, в которой используются полиномы первой степени, а в итоге получается ломаная, соединяющая заданные точки.
Давайте добавим немного конкретики. Вот набор точек (взяты почти с потолка):

Результат линейной интерполяции этих точек выглядит так:

Однако, как отмечалось выше, иногда хочется получить в итоге гладкую кривую.

Что есть гладкость? Бытовой ответ: отсутствие острых углов. Математический: непрерывность производных. При этом в математике гладкость имеет порядок, равный номеру последней непрерывной производной, и область, на которой эта непрерывность сохраняется. То есть, если функция имеет гладкость порядка 1 на отрезке [a;&nbspb], это означает, что на [a;&nbspb] она имеет непрерывную первую производную, а вот вторая производная уже терпит разрыв в каких-то точках.
У сплайна в контексте гладкости есть понятие дефекта. Дефект сплайна — это разность между его степенью и его гладкостью. Степень сплайна — это максимальная степень использованных в нём полиномов.
Важно отметить, что «опасными» точками у сплайна (в которых может нарушиться гладкость) являются как раз P_i, то есть точки сочленения сегментов, в которых происходит переход от одного полинома к другому. Все остальные точки «безопасны», ведь у полинома на области его определения нет проблем с непрерывностью производных.
Чтобы добиться гладкой интерполяции, нужно повысить степень полиномов и подобрать их коэффициенты так, чтобы в граничных точках сохранялась непрерывность производных.

Традиционно для решения такой задачи используют полиномы третьей степени и добиваются непрерывности первой и второй производной. То, что получается, называют кубическим сплайном дефекта 1. Вот как он выглядит для наших данных:

Кривая, действительно, гладкая. Но если предположить, что это график некоторого процесса или явления, который нужно показать заинтересованному лицу, то такой метод, скорее всего, не подходит. Проблема в ложных экстремумах. Появились они из-за слишком сильного искривления, которое было призвано обеспечить гладкость интерполяционной функции. Но зрителю такое поведение совсем не кстати, ведь он оказывается обманут относительно пиковых значений функции. А ради наглядной визуализации этих значений, собственно, всё и затевалось.
Так что надо искать другие решения.

Другое традиционное решение, кроме кубических сплайнов дефекта 1 — полиномы Лагранжа. Это полиномы степени n&nbsp–&nbsp1, принимающие заданные значения в заданных точках. То есть членения на сегменты здесь не происходит, вся последовательность описывается одним полиномом.
Но вот что получается:

Гладкость, конечно, присутствует, но наглядность пострадала так сильно, что… пожалуй, стоит поискать другие методы. На некоторых наборах данных результат выходит нормальный, но в общем случае ошибка относительно линейной интерполяции (и, соответственно, ложные экстремумы) может получаться слишком большой — из-за того, что тут всего один полином на все сегменты.

В компьютерной графике очень широко применяются кривые Безье, представленные полиномами k-й степени.
Они не являются интерполирующими, так как из k&nbsp+&nbsp1 точек, участвующих в построении, итоговая кривая проходит лишь через первую и последнюю. Остальные k&nbsp–&nbsp1 точек играют роль своего рода «гравитационных центров», притягивающих к себе кривую.
Вот пример кубической кривой Безье:

Как это можно использовать для интерполяции? На основе этих кривых тоже можно построить сплайн. То есть на каждом сегменте сплайна будет своя кривая Безье k-й степени (кстати, k&nbsp=&nbsp1 даёт линейную интерполяцию). И вопрос только в том, какое k взять и как найти k&nbsp–&nbsp1 промежуточную точку.
Здесь бесконечно много вариантов (поскольку k ничем не ограничено), однако мы рассмотрим классический: k&nbsp=&nbsp3.
Чтобы итоговая кривая была гладкой, нужно добиться дефекта 1 для составляемого сплайна, то есть сохранения непрерывности первой и второй производных в точках сочленения сегментов (P_i), как это делается в классическом варианте кубического сплайна.
Решение этой задачи подробно (с исходным кодом) рассмотрено здесь.
Вот что получится на нашем тестовом наборе:

Стало лучше: ложные экстремумы всё ещё есть, но хотя бы не так сильно отличаются от реальных.

Думаем и экспериментируем

Можно попробовать ослабить условие гладкости: потребовать дефект 2, а не 1, то есть сохранить непрерывность одной только первой производной.
Достаточное условие достижения дефекта 2 в том, что промежуточные контрольные точки кубической кривой Безье, смежные с заданной точкой интерполируемой последовательности, лежат с этой точкой на одной прямой и на одинаковом расстоянии:

В качестве прямых, на которых лежат точки C_{i&nbsp–&nbsp1} (2) , P_i и C_i (1) , целесообразно взять касательные к графику интерполируемой функции в точках P_i. Это гарантирует отсутствие ложных экстремумов, так как кривая Безье оказывается ограниченной ломаной, построенной на её контрольных точках (если эта ломаная не имеет самопересечений).

Методом проб и ошибок эвристика для расчёта расстояния от точки интерполируемой последовательности до промежуточной контрольной получилась такой:

Первая и последняя промежуточные контрольные точки равны первой и последней точке графика соответственно (точки C₁ (1) и C_{n&nbsp–&nbsp1} (2) совпадают с точками P₁ и P_n соответственно).
В этом случае получается вот такая кривая:

Как видно, ложных экстремумов уже нет. Однако если сравнивать с линейной интерполяцией, местами ошибка очень большая. Можно сделать её ещё меньше, но тут в ход пойдут ещё более хитрые эвристики.

К текущему варианту мы пришли, уменьшив гладкость на один порядок. Можно сделать это ещё раз: пусть сплайн будет иметь дефект 3. По факту, тем самым формально функция не будет гладкой вообще: даже первая производная может терпеть разрывы. Но если рвать её аккуратно, визуально ничего страшного не произойдёт.
Отказываемся от требования равенства расстояний от точки P_i до точек C_{i&nbsp–&nbsp1} (2) и C_i (1) , но при этом сохраняем их все лежащими на одной прямой:

Эвристика для вычисления расстояний будет такой:

Результат получается такой:

В результате на шестом сегменте ошибка уменьшилась, а на седьмом — увеличилась: кривизна у Безье на нём оказалась больше, чем хотелось бы. Исправить ситуацию можно, принудительно уменьшив кривизну и тем самым «прижав» Безье ближе к отрезку прямой, которая соединяет граничные точки сегмента. Для этого используется следующая эвристика:

Результат следующий:

На этом было принято решение признать цель достигнутой.
Может быть, кому-то пригодится код.

А как люди-то делают?

Обещанный обзор. Конечно, перед решением задачи мы посмотрели, кто чем может похвастаться, а уже потом начали разбираться, как сделать самим и по возможности лучше. Но вот как только сделали, не без удовольствия ещё раз прошлись по доступным инструментам и сравнили их результаты с плодами наших экспериментов. Итак, поехали.

MS Excel

Это очень похоже на рассмотренный выше сплайн дефекта 1, основанный на кривых Безье. Правда, в отличие от него в чистом виде, тут всего два ложных экстремума — первый и второй сегменты (у нас было четыре). Видимо, к классическому поиску промежуточных контрольных точек тут добавляются ещё какие-то эвристики. Но ото всех ложных экстремумов они не спасли.

LibreOffice Calc

В настройках это названо кубическим сплайном. Очевидно, он тоже основан на Безье, и вот тут уже точная копия нашего результата: все четыре ложных экстремума на месте.

Есть там ещё один тип интерполяции, который мы тут не рассматривали: B-сплайн. Но для нашей задачи он явно не подходит, так как даёт вот такой результат 🙂

Highcharts, одна из самых популярных JS-библиотек для построения диаграмм

Тут налицо «метод касательных» в варианте равенства расстояний от точки интерполируемой последовательности до промежуточных контрольных. Ложных экстремумов нет, зато есть сравнительно большая ошибка относительно линейной интерполяции (седьмой сегмент).

amCharts, ещё одна популярная JS-библиотека

Картина очень похожа на экселевскую, те же два ложных экстремума в тех же местах.

Coreplot, самая популярная библиотека построения графиков для iOS и OS X

Есть ложные экстремумы и видно, что используется сплайн дефекта 1 на основе Безье.
Библиотека открытая, так что можно посмотреть в код и убедиться в этом.

aChartEngine, вроде как самая популярная библиотека построения графиков для Android

Больше всего похоже на кривую Безье степени n&nbsp–&nbsp1, хотя в самой библиотеке график называется «cubic line». Странно! Как бы то ни было, тут не только присутствуют ложные экстремумы, но и в принципе не выполняются условия интерполяции.

источники:

http://planetcalc.ru/5992/

http://habr.com/ru/post/264191/